电动汽车充电灵活性潜力研究：基于双准则随机动态用户均衡的出行链分析

为解决电动汽车(EV)充电负荷对电网运行的负面影响，研究人员开展了EV充电灵活性潜力研究。通过建立双准则随机动态用户均衡(SDUE)模型，结合出行链需求分析，量化了快充(FCS)和慢充的时空灵活性潜力。研究发现价格激励可显著改善FCS负载分布不均问题(改善率达34.8%)，同时揭示了不同场所慢充的灵活性差异。该研究为优化电网管理和促进EV并网提供了重要依据。

　　

随着能源危机和环境问题日益严峻，电动汽车(EV)在全球范围内快速普及。国际能源署数据显示，全球EV数量从2018年的500万辆激增至2023年的4000万辆，预计2035年将达到5-8亿辆。如此迅猛的增长给电力系统带来了巨大挑战：充电负荷增加可能导致峰值负荷上升、电压偏差和电力拥堵等问题。特别是在城市地区，EV用户的日常出行通常遵循"家-工作/其他地点-家"的出行链模式，这为充电负荷管理带来了新的复杂性。

目前EV充电主要有两种方式：在出行目的地(如家庭、工作场所)进行慢充，或在行程中使用快充站(FCS)充电。这两种充电方式各具特点：慢充具有时间灵活性，因为停车时间通常超过所需充电时间；而快充则具有空间灵活性，用户可以根据价格等因素选择不同的FCS。如何充分挖掘和利用这两种充电方式的灵活性潜力，成为优化电网运行和促进可再生能源消纳的关键问题。

针对这一挑战，Tang Shuyi等研究人员在《Advances in Applied Energy》发表了一项创新性研究。他们建立了一个双准则随机动态用户均衡(SDUE)模型，首次将出行链需求分析与EV用户的路线选择和充电行为建模相结合。该模型不仅考虑了交通拥堵对用户路线选择的影响，还引入了FCS充电价格的动态调整机制，并采用随机效用理论(RUM)来刻画用户在FCS选择中的不确定性。通过这种方法，研究人员能够更真实地模拟EV用户在出行链全过程中的决策行为，从而准确评估快充和慢充的灵活性潜力。

研究采用了几个关键技术方法：1)构建基于出行链的双准则SDUE模型，整合时间和经济成本；2)开发交通-充电微仿真(TCM)系统模拟EV用户的驾驶、停车和充电行为；3)应用对数选择模型捕捉用户对FCS选择的随机性；4)采用连续平均法(MSA)迭代更新预期链路行驶时间和FCS充电价格；5)基于美国Sioux Falls城市路网和65,758辆私家车的出行数据进行案例验证。

研究结果部分揭示了多项重要发现：

在"快充空间灵活性建模"方面，研究发现通过价格激励可以显著改善FCS负载分布不均的问题。在确定性选择条件下(β_u→∞)，高峰时段(18:00-18:30)FCS负载的变异系数(CV)从0.93降至0.61，改善率达34.80%。这种空间灵活性使得电网运营商可以通过价格信号引导EV用户选择负载较低的FCS，从而平衡电网负荷。

"慢充时间灵活性建模"结果显示，不同场所的慢充展现出不同的灵活性特征。家庭充电站点的能量边界分析表明，晚间和夜间充电具有最大的灵活性潜力，最大允许延迟超过8小时；而工作场所充电的灵活性主要集中在白天，最大允许延迟为5-10小时。这种时间灵活性为电网的峰谷调节提供了重要资源。

在"充电基础设施覆盖度影响"研究中，团队发现慢充基础设施的覆盖水平会显著影响快充的灵活性潜力。当家庭充电桩覆盖率(LC_pri)从50%提升至80%时，需要快充的EV用户数量减少，导致快充的空间灵活性潜力相应降低。这一发现强调了在规划充电基础设施时需要统筹考虑快充和慢充的协同效应。

研究还探讨了"用户感知随机性的影响"。通过调节参数β_u来模拟用户在选择FCS时的确定性程度，发现当β_u从10增加到100时，用户选择最优FCS的概率从25.02%上升到83.31%，相应地，价格激励对改善FCS负载分布的效果也更为显著。这表明提高用户对充电价格信号的响应程度可以增强快充的空间灵活性潜力。

这项研究的结论部分强调了几个关键点：首先，快充和慢充的灵活性潜力具有互补性，需要综合评估以充分发挥其对电网优化的价值；其次，价格激励机制是挖掘快充空间灵活性潜力的有效手段；第三，慢充基础设施的覆盖水平会通过影响用户充电行为而间接改变快充的灵活性特征。这些发现为电力系统规划和运营提供了重要参考，特别是在如何通过价格信号和基础设施规划来优化EV充电负荷方面具有直接的应用价值。

该研究的创新之处在于首次将出行链分析、双准则用户均衡模型和随机选择理论有机结合，建立了更贴近现实的EV充电行为模型。相比以往研究，这种方法能够更全面地捕捉EV用户在出行全过程中的决策行为，包括路线选择、FCS选择和充电时间安排等。研究结果为电网公司制定更精准的需求响应策略提供了理论依据，也为城市规划者优化充电基础设施布局提供了科学参考。

未来研究可以在几个方向继续深入：考虑FCS的排队现象和有限停车位对充电灵活性的约束；纳入路线选择的不确定性以更全面模拟用户行为；探索不同城市规模和交通模式下的灵活性潜力差异。这些扩展将进一步增强模型的实际应用价值，推动EV与电网的协同发展。